Vorlesungsverzeichnis

01. Vorlesung: Verantwortliches Handeln im 21. Jahrhundert (Vorlesung)

Dozent/in: Daniel J. Lang, Sven Prien-Ribcke, Annika Weiser

Termin:
wöchentlich | Montag | 12:15 - 13:45 | 18.10.2021 - 22.11.2021 | C 40 Auditorium | Cluster im Auditorium: Studierende verteilen sich bitte bei Platzmangel in das Forum
wöchentlich | Montag | 12:15 - 13:45 | 29.11.2021 - 04.02.2022 | C HS 3

Inhalt: Die Vorlesung steckt den Rahmen des Moduls "Wissenschaft transformiert" ab und bildet die inhaltliche Klammer: Sie führt in das vielschichtige Thema einer nachhaltigen Zukunftsgestaltung ein und beleuchtet dies insbesondere vor dem Hintergrund der Digitalisierung und hinsichtlich der Rolle der Wissenschaft in der Gestaltung von Veränderungsprozessen: Wie sieht eine zukunftsfähige Gesellschaft aus, die das digitale Zeitalter mit dem Anliegen einer nachhaltigen Entwicklung verbindet? In der Vorlesung treffen die Studierenden auf Lehrende, die mit ihnen die Perspektiven wechseln – zwischen einzelnen Fachrichtungen und der zivilgesellschaftlichen Praxis. Auf diese Weise legt die Vorlesung die konzeptionellen Grundlagen und stattet die Studierenden im Leuphana Semester mit dem ersten Rüstzeug aus, um sich in der interdisziplinären Nachhaltigkeitsforschung orientieren zu können.

02. Lecture (English): Acting responsibly in the 21st century (Vorlesung)

Dozent/in: Sven Prien-Ribcke, Annika Weiser

Termin:
wöchentlich | Montag | 14:15 - 15:45 | 18.10.2021 - 04.02.2022 | C HS 3

Inhalt: Sustainability and justice are two major concepts that frame discussions about our future everywhere on the planet today. Getting your head around them often creates even more questions than it initially answered, and may at times feel like the quest for the holy grail. So why would you make them the issue of a lecture series for all first year students? Well – why not? You will soon find that no matter what you study, and what you do in your leisure time, these questions will keep popping up around you, and facing them, dealing with them, can help you to actually frame your ways of thinking and acting: Beginning with your very own role not only as a student, but as a person that lives and learns, eats and drinks, buys and travels, and going to the role of science in general: Who carries responsibility for what? What do we consider just, how do we envision a sustainable future? We will look into the potential contributions specific fields and approaches (in science and practice) can make, but we will also happily cross disciplinary borders (and you will see why). We are going to elucidate the interrelations of different levels, systems and concepts, starting out from basic approaches to sustainable development and the challenges the world in general and young researchers specifically are facing today: what do we really need to know in order to understand what is going on? Are things really changing at a faster and faster pace or is that just our perception? Are people really just practicing 'sustainability buzzwording'? And if so, how can we avoid joining in and doing the same thing? Most importantly, we will not stick with pondering about past developments, but put a clear focus on how “true change” might look like, what needs to be done to achieve that, which actors we would need for transformation, and what each actor’s and each individual’s role will be in that process, including, of course, our own. The lecture series, thus, is meant to encourage critical thinking and engage in discussions that go far beyond the limits of the university’s classroom as well as beyond the Leuphana Semester’s time-span. In the end, quite possibly not all questions will be answered, but you will have an idea of how to approach those that remain.

03. Konferenzwoche 2022 im Modul "Wissenschaft transformiert: verantwortliches Handeln" (Vorlesung)

Dozent/in: Sven Prien-Ribcke, Annika Weiser

Termin:
Einzeltermin | Di, 01.03.2022, 15:00 - Fr, 04.03.2022, 21:00 | intern | Auditorium

(Wie) blickt das digitale Auge? Über Wachen und Wissen und ihre gesellschaftlichen Formationen. (Projekt)

Dozent/in: Liselotte Hermes da Fonseca

Termin:
wöchentlich | Montag | 10:15 - 11:45 | 18.10.2021 - 04.02.2022 | C 40.501 Seminarraum

Inhalt: Siri, Alexa, Corona-App, Telemedizin, Handys, Smartwatches… die Liste der digitalen Geräte und Medien ließe sich noch lange fortführen. Sie umgeben uns nicht nur im öffentlichen Raum, sondern durchdringen vielmehr die Räume und lassen Privates und Öffentliches ineinanderfließen. Ebenso sind darin unsere Wahrnehmungen mit einem stattfindenden ‚Wahrgenommen-Werden‘ verwoben. Die Möglichkeit sich sicher im Raum zu bewegen, freien Zugang zu Wissen zu haben oder mit anderen zu kommunizieren, geht mit einem anderen ‚Blick‘ einher. Mit den digitalen Medien sind wir sozusagen niemals alleine – auch wenn wir nichts vom anderen wissen. Wenn dem so ist, dann verfließen Grenzen, wie sie bisher gedacht und gesellschaftlich eingesetzt wurden. Gerade in Bezug auf das Wachen über Menschen wurde auf klare Grenzen gesetzt, so zumindest der Anschein. Die Analysen der Verhältnisse von Freiheit und Sicherheit, Kontrolle und Selbstkontrolle, Wissen und Macht zeigen aber nicht nur ein Durchdringen der räumlichen Grenzen, sondern auch der Subjekte und des Wissens – und dies nicht erst mit den digitalen Medien.

"Und weil sie nicht gestorben sind..." - Geschichten der Nachhaltigkeit in Film, Literatur und Medien 1 (Projekt)

Dozent/in: Theres Konrad

Termin:
wöchentlich | Montag | 08:15 - 09:45 | 18.10.2021 - 04.02.2022 | C 12.006 Seminarraum

Inhalt: In jeder Geschichte verbergen sich Aspekte der Nachhaltigkeit. Welche Themen finden sich zum Beispiel im Film Avatar? Über welche Nachhaltigkeitskompetenzen verfügt Ronja Räubertochter? Und welche Sustainable Development Goals (SDGs) werden in Jurassic Park oder Game of Thrones thematisiert? Im Kontext selbstgewählter (internationaler) Werke aus Literatur, Film und Medien sollen theoretische Konzepte der Nachhaltigkeit, wie das Doughnut-Modell, die SDGs und Schlüsselkompetenzen sogenannter Change Agents kennengelernt, diskutiert und reflektiert werden. Welche Effekte erzielt die bewusste Auseinandersetzung mit Medien hinsichtlich der Sensibilisierung des eigenen Nachhaltigkeitsverständnisses? Diese Frage wollen wir gemeinsam erkunden.

"Und weil sie nicht gestorben sind..." - Geschichten der Nachhaltigkeit in Film, Literatur und Medien 2 (Projekt)

Dozent/in: Marie Weiß

Termin:
wöchentlich | Montag | 08:15 - 09:45 | 18.10.2021 - 04.02.2022 | C 12.001 Seminarraum

Inhalt: In jeder Geschichte verbergen sich Aspekte der Nachhaltigkeit. Welche Sustainable Development Goals (SDGs) finden sich zum Beispiel in den Filmen Avatar, Wall-E, oder Herr der Ringe? Über welche Nachhaltigkeitskompetenzen verfügen die Protagonistinnen und Protagonsten in Into the Wild, Ronja Räubertochter, oder der Serie The Good Place? Im Kontext selbstgewählter (internationaler) Spielfilme sollen theoretische Konzepte der Nachhaltigkeit, wie das Doughnut-Modell, die SDGs und Schlüsselkompetenzen sogenannter Change Agents kennengelernt, diskutiert und reflektiert werden. Dabei werden die Studentinnen und Studenten die Möglichkeit haben ein selbstgewähltes Thema (im Kontext einer nachhaltigen Entwicklung) im Sinne des Forschenden Lernens zu erkunden. Im gesamten Seminar wird darüber hinaus die Frage thematisiert, welche Effekte die bewusste Auseinandersetzung mit Medien hinsichtlich der Sensibilisierung des eigenen Nachhaltigkeitsverständnisses erzielt.

African protected areas at the crossroads between justice and conservation (Projekt)

Dozent/in: Rhoda Kachali, Jacqueline Loos

Termin:
wöchentlich | Montag | 10:15 - 11:45 | 18.10.2021 - 04.02.2022 | C 40.146 Seminarraum

Inhalt: Both safeguarding nature and ensuring human well-being are elements of the international sustainable development goals. Especially low-income countries expose high richness of natural habitat and wildlife while simultaneously the population struggles to make a living. In this introductory course, we will pay attention to the conflicts and synergies that arise in nature conservation efforts in Sub-Saharan Africa.

Agenda 2030: War die Zukunft früher besser als heute? (Projekt)

Dozent/in: Uwe Boden, Bettina Boden, Johannes Bünger

Bleib cool? – Wenn Nachhaltigkeit, intimste Geheimnisse, Massenprodukte und Wissen im Kühlschrank zusammentreffen. (Projekt)

Dozent/in: Liselotte Hermes da Fonseca

Termin:
wöchentlich | Montag | 08:15 - 09:45 | 18.10.2021 - 04.02.2022 | C 12.013 Seminarraum

Inhalt: Beim ‚Geheimnis im Kühlschrank‘ mag man an Krimis und Leichen denken – und tatsächlich stoßen darin Leben und Tod aufeinander. Totes wie Lebendiges mag sich in diesen Strom-betriebenen Kästen befinden, an dem unser Leben wie an einer Nabelschnur hängt. Die mit Elektrizität betriebenen „Eiskästen“ machten den Menschen nicht nur von den Temperaturen seiner Umgebung unabhängig, sondern auch von der Verfallszeit der (Lebens-)Mittel; mobile Kühlschränke machten zudem den Transport von temperaturabhängigen Substanzen fast grenzenlos möglich. Der Kühlschrank steht demnach für frische Lebensmittel, ebenso wie für eine scheinbare Unabhängigkeit des Menschen von der Natur und für die Möglichkeit eines grenzenlosen Handels. Kühlschränke führten durch die Konservierung außerdem zu ‚Zeit-‘ und ‚Arbeitsersparnissen‘, die neue Lebensweisen ermöglichten. Lebensweisen, die allerdings „die Temperatur“, nämlich die globale Temperatur, zu einem anderen Maßstab des Überlebens gemacht haben: Die Erde selbst ist zu einer Art Kühlschrank geworden, die droht ‚kaputt‘ zu gehen.

Crowdfunding zur Unterstützung nachhaltigkeitsorientierter Projekte (Projekt)

Dozent/in: Jacob Hörisch

Inhalt: Crowdfunding beschreibt die Finanzierung von Projekten durch relativ viele kleine Beiträge relativ vieler Menschen. Bekannte Plattformen für Crowdfunding sind z.B. Startnext oder Kickstarter. Im Rahmen dieser Lehrveranstaltung, setzen wir uns mit den folgenden Themen auseinander: - Was ist Crowdfunding und welche Funktionen kann es für Start-Ups und non-profit Initiativen übernehmen? - Crowdfunding und nachhaltige Entwicklung - Demokratisierung der Finanzierung durch Crowdfunding? - Erfolgsfaktoren im Crowdfunding (für nachhaltige Projekte) - Aktuelle Forschungsthemen zu Crowdfunding und Nachhaltigkeit Auf dieser Grundlage werden die Studierenden eigenständig Crowdfunding-Kampagnen für nachhaltige Projekte entwickeln und deren Umsetzung vorbereiten.

Das Reallabor Lüneburg 2030+ im öffentlichen Diskurs: Kulturgeographische Perspektiven auf mediale Darstellung und öffentliche Wahrnehmung der Zukunftsstadt (Projekt)

Dozent/in: Maria Elena Freund, Teresa Kampfmann

Inhalt: Ihr seid gerade in Lüneburg angekommen und bereits über die ersten Aktionen der Zukunftsstadt gestolpert, nicht ohne Euch zu fragen: was ist das eigentlich, das Reallabor ‚Zukunftsstadt Lüneburg 2030+‘? Und was können Reallabore als Orte des Lernens und der Reflexion auf gesellschaftlicher Ebene leisten? Dann seid Ihr hier genau richtig! Wir möchten diese Fragen vertiefen und im Rahmen des Projektseminars unterschiedlichen Wahrnehmungen der Zukunftsstadt im öffentlichen Diskurs nachgehen. Um Theorie und Praxis miteinander verknüpfen zu können, ist das Seminar mehrteilig aufgebaut: Zunächst werden wir uns einen gemeinsamen Überblick zu den beiden grundlegenden Fragestellungen erarbeiten: Was ist ein Reallabor, welche Ziele verfolgt diese Art der praxisnahen Forschung? Dafür werden wir theoretisch-konzeptionelle Hintergründe thematisieren – darunter Perspektiven des Konstruktivismus, der Diskursforschung und des transformativen Forschens. Um methodische Ansätze (be-)greifbar machen zu können, diskutieren wir anschließend unter anderem Methoden zur Erstellung von Fragebögen und zur Durchführung von Interviews & Befragungen sowie Formen der qualitativen Medien- und Inhaltsanalyse. Alle diese Kenntnisse können direkt mit Bezug zu eigenen Projektarbeiten und -fragestellungen erprobt und in der Praxis angewendet werden. Die jeweiligen Forschungsfragen orientieren sich dabei am Interesse der Studierenden. In kleineren Gruppen wird zu den Fragen geforscht: • Wie wird die Zukunftsstadt Lüneburg (in Teilen der Lüneburger Bevölkerung) wahrgenommen? • Wie wird LG2030+ im medialen Diskurs dargestellt?

E-Partizipation - Die Welt von morgen gestalten (Projekt)

Dozent/in: Johanna Marlene Hansen

Inhalt: "Welche Rolle spielt E-Partizipation in der Demokratie heute und wie kann sie dazu beitragen, die Welt von morgen gerecht und nachhaltig zu gestalten? Und welche unterschiedlichen Typen von Partizipation gibt es? War der Digitalisierungsschub durch die Corona-Pandemie für die e-Partizipation Segen oder Fluch? Diese Fragen werden anhand von zahlreichen Praxisbeispielen von kommunaler bis zu europäischer Ebene sowie Best Practice Beispielen diskutiert. In Kleingruppen werden selbst entwickelte Unterfragen zu diesem Themenkomplex beantwortet. Der Methodenschwerpunkt liegt dabei auf quantitativen Umfragen, qualitativen Interviews und sozialwissenschaftlichen Experimenten. "

Ehrenamt in Lüneburg entdecken & vernetzen (Projekt)

Dozent/in: Eva Kern

Termin:
wöchentlich | Montag | 18:15 - 19:45 | 18.10.2021 - 04.02.2022 | C 12.108 Seminarraum

Inhalt: Lüneburg ist geprägt von ehrenamtlichem Engagement, insbesondere im sozial-ökologischen Bereich. In der Veranstaltung werden die Lüneburger Initiativen- und Vereinswelt analysiert: Warum engagieren sich die Lüneburger*innen? Welche Bedürfnisse haben ehrenamtlich Engagierte in Lüneburg? Wie können Synergien im Ehrenamt genutzt werden? Was zeichnet studentische, was städtische Initiativen aus? Welche Vernetzungsmöglichkeiten bestehen zwischen beiden? Wie gelingt es sich über Projekte und Aktivitäten dieser auf dem Laufenden zu halten? Das Seminar widmet sich diesen und ähnlichen Fragen um gemeinsam mit ehrenamtlich Engagierten neue Ideen zu entwickeln, wie Lüneburger Ehrenamt unterstützt und transparent(er) gesaltet werden kann. Das umfasst auch Strukturen und Angebote, die das Engagement vor Ort unterstützen (wollen). Dazu werden qualitative und quantitative Methoden, z.B. Experteninterviews, Umfragen, Akteursanalyse, genutzt. Die zu bearbeitenden Forschungsfragen sind der Engagement- und Motivationsforschung zuzuordnen.

Ein New Deal für die Kultur? Ökonomische, intersektionale und ökologische Nachhaltigkeit im Kulturbetrieb (Projekt)

Dozent/in: Steffen Greiner

Termin:
14-täglich | Montag | 14:15 - 17:45 | 25.10.2021 - 04.02.2022 | C 14.202 Seminarraum

Inhalt: Mit Corona wurde offensichtlich, wie prekär die Lage für die Kultur in der BRD ist. Fehlende ökonomische Absicherung vieler Akteur*innen vor und hinter den Kulissen in Theatern und im Bereich der Musik, die Kluft zwischen den Institutionen und der Freien Szene. Die Forderung nach einem "New Deal for Culture" des Kulturmanagers Folkert Uhde stieß in der deutschen Szene auf breites Echo, das über Förderpolitik hinausging. Aber auch abseits dessen wurde in den letzten Jahren deutlich, dass die Kultur, im Selbstverständnis Basis der demokratischen Gesellschaft, Nachholbedarf in entscheidenden Entwicklungsfeldern hat. Wie ökologisch nachhaltig etwa ist eine Electro-Szene, die einzelne DJs an einem Tag zu drei Gigs auf drei Kontinenten führt? Warum ist der Literaturmarkt so weiß und männlich und warum werden im Kino so wenig queere Geschichten of color erzählt? Das Seminar fragt: Wie könnte der Kulturbetrieb sich so transformieren, dass er für alle offen ist und für seine Akteur*innen nachhaltig tragbar - und sucht Lösungsansätze.

Essen, das nicht gegessen wird: Lebensmittelabfall als Klimawandeltreiber (Projekt)

Dozent/in: Fabian Bendisch, Annika Weiser

Termin:
14-täglich | Montag | 08:15 - 11:45 | 25.10.2021 - 04.02.2022 | C 16.203 Seminarraum

Inhalt: Die Studierenden bearbeiten im Sinne offenen Forschenden Lernens selbst entwickelte Fragestellungen zum Thema Lebensmittelabfall im Kontext Klimakrise und Nachhaltigkeit mit Hilfe anhand des Methoden- Waschzettels und wissenschaftlicher Publikationen selbst gewählter, vorbereiteter und umgesetzter Methoden.

Flächenverbrauch reduzieren – Versiegelung stoppen (Projekt)

Dozent/in: Hendrike Clouting

Termin:
wöchentlich | Montag | 16:15 - 17:45 | 18.10.2021 - 04.02.2022 | C 9.102 Seminarraum

Inhalt: “Flächenverbrauch reduzieren – Versiegelung stoppen” so lautet der Titel eines Briefes vom Bundesbündnis Bodenschutz an die Bundeskanzlerin Angela Merkel vom April 2020 mit der Forderung nach konkreten und verbindlichen Maßnahmen zu einem effektiven Schutz der Ressource Boden. Flächenverbrauch bezeichnet die Umwandlung unversiegelter Flächen – insbesondere landwirtschaftlich, forstwirtschaflich, für Natur- , Landschaftsschutz oder als Grünfläche genutzter Flächen – in Siedlungs- und Verkehrsfläche. Flächenversiegelung bedeutet die teilweise oder vollständige Abdeckung des Bodens mit wasser- und luftundurchlässigen Materialien. Im deutschen Baugesetzbuch steht: „Mit Grund und Boden soll sparsam und schonend umgegangen werden“ (§ 1a Abs. 2, Satz 1 BauGB). Dieser Grundsatz – auch als Bodenschutzklausel bezeichnet – hat zum Ziel eine weitere Flächeninanspruchnahme von landwirtschaftlichen Flächen oder Waldflächen für Zwecke der Siedlungs- und Verkehrsflächenentwicklung zu verringern und besser noch zu vermeiden. Es besteht das internationale EU-Ziel 'No net land take by 2050' und das 'Land Degradation Neutrality target' der Nachhaltigkeitsziele der Vereinten Nationen (SDG 15.3). Dennoch schreitet der Flächenverbrauch in Deutschland durch Siedlungs- und Verkehrsflächen ungebremst voran. Durchschnittlich werden pro Tag etwa 60 ha hauptsächlich landwirtschaftlicher Fläche verbraucht. Das Ziel zur Begrenzung des Flächenverbrauchs der Bundesregierung bis 2020 wurde verfehlt. Kann das deutsche Nachhaltigkeits-Ziel von maximal 30 Hektar pro Tag bis 2030 mit den bestehenden Maßnahmen erreicht werden? Wieviel Versiegelung kann Deutschland noch (er)tragen? Das integrierte Umweltprogramm des BMU fordert sogar für 2030 ein ambitioniertes Ziel von 20 ha pro Tag. Brauchen wir verbindlichere Maßnahmen zum endgültigen Stopp des Flächenverbrauchs? Der Druck auf die Städte und ihr Umland weltweit nimmt weiter zu – es ist zu erwarten, dass im Jahr 2050 70-80% der Weltbevölkerung in Städten wohnen wird (UN 2018). Deutschlands Fläche ist bereits zu über 14% (teil)versiegelt. Wenn der Boden bedeckt ist, ist die natürliche Bodenfunktion unwiederbringlich (irreversibel) zerstört. Diese Versiegelung hat negative Auswirkungen auf die meisten Umweltschutzgüter: nicht nur den Boden, sondern auch das Klima, das Grundwasser, die Biodiversität mit Flora und Fauna, die menschliche Gesundheit u.s.w.. Wir brauchen gesunde Böden für die Sicherung unserer Ernährung, zur Wasserversickerung bei Starkregenereignissen, zur Kühlung der Luft über die Verdunstung des Bodenwassers, zur Filterung von Schadstoffen aus Niederschlägen für die Grundwasserenstehung und unser Trinkwasser. Der Boden übernimmt Funktionen als Wasser- und Kohlenstoffspeicher. Wir werden im Projektseminar anhand von selbstgewählten Fallstudien Fragen beantworten wie: • Wie werden Begriffe wie Flächennutzungsänderung, Flächeninanspruchnahme, Flächenverbrauch und Bodenversiegelung in der Fachliteratur definiert? • Warum ist Flächenverbrauch ein Problem? Welche Umweltauswirkungen entstehen konkret? • Warum ist der voranschreitende Verlust landwirtschaftlicher Nutzfläche und natürlicher Lebensräume insbesondere bezogen auf den Arten-, Wasserschutz und die Anpassung an den Klimawandel nicht nachhaltig? • Wie werden Flächenverbrauch und Bodenversiegelung gemessen und welche Indikatoren werden für die Umweltbeobachtung (Monitoring) benutzt? • Welche Gesetze und Planungsinstrumente gibt es zum Bodenschutz? Wie effektiv sind bestehende raum-/städteplanerische Ausweisungen wie Biotopverbundsflächen, Grünflächen und Grüngürtel? • Wer ist verantwortlich für den Bodenschutz auf den verschiedenen Entscheidungsebenen? Welchen Beitrag kann der einzelne Bürger leisten? • Gibt es ein Brachflächenkataster, das unbebaute Grundstücke vorbehält? Was sind Herausforderungen der Wiedernutzbarmachung von Flächen und der Nachverdichtung bereits bebauter Flächen? Kann der Bedarf an Wohnfläche durch Flächenrecycling gedeckt werden? • Welche anderen Instrumente zur Regulierung des Flächenverbrauchs gibt es? Die Projektgruppen werden zum Beispiel: • Ursachen, Probleme und Auswirkungen des voranschreitenden Flächenverbrauchs recherchieren; • Siedlungs- und Verkehrsflächen zur Abgrenzung zu anderen Flächennutzungsarten definieren; • (Inter)nationale Umweltziele, Gesetze/verbindliche Vorgaben, Strategien und (in)formelle Planungsinstrumene zum Boden- und Flächenschutz analysieren; • Akteure, Institutionen, Kooperationen und Beteiligungsprozesse auf verschiedenen Entscheidungsebenen beleuchten; • Ansätze und Maßnahmen zur Reduzierung des Flächenverbrauchs für verschiedene (Bundes)Länder vergleichen und bewerten; • Einen Beitrag zur Bewusstseinsbildung dieses Problems in der Bevölkerung liefern; Bei der Aufstellung der Forschungsfragen stehen sowohl Fantasie, Kreativität und freies Gedankenspiel, als auch aktuelle Umweltprobleme und Barrieren an oberster Stelle. Es sind intelligente praktikable Lösungen gefragt!

Gesellschaftliche Partizipation von Migranten*innen am Beispiel des Projekts Zukunftsstadt Lüneburg 2030+ (Projekt)

Dozent/in: Ñurka Casanova, Nuria Miralles-Andress

Inhalt: In diesem Seminar freuen wir uns über eine zahlreiche Mitwirkung von aktive interessierten Studierenden, die mehrsprachig aufgewachsen sind. Dies ist aber keine Voraussetzung für die Teilnahme am Seminar. Mit dem Projekt Zukunftsstadt 2030+ stellen die Stadt Lüneburg in Kooperation mit der Leuphana Universität der Zivilgesellschaft die Frage „Wie soll die Stadt in 30 Jahre aussehen? Wie wird sich entwickeln? Wie und was kann noch besser in Lüneburg werden?“ Diese relevanten Fragen, die jede*n Bürger*in betrifft, erreichen dennoch meist nur bestimmte Gruppen von Menschen in Lüneburg, während andere Gruppen zunächst unberührt bleiben oder die Chance, sich zu diesen Themen zu äußern, nicht wahrnehmen oder wahrnehmen können. Die Suche nach einer breiteren Partizipation aller Bevölkerungsgruppen ist nicht nur nötig, damit die Entwicklung der Stadt auf einen breiteren Konsens trifft, sondern auch eine Möglichkeit, demokratische Prozesse, Partizipation und Mitwirkung zu fördern. Die Kommunen bieten dafür einen großen Spielraum, da

Gesunde Luftqualität in Gebäuden - Gefahrenbeseitigung am Beispiel von Laserdruckern (Projekt)

Dozent/in: Michael Braungart

Termin:
wöchentlich | Montag | 14:15 - 15:45 | 18.10.2021 - 04.02.2022 | C 12.013 Seminarraum

Inhalt: • Grundlagen zu Luftqualität, Feinstaub und Flüchtige organische Verbindungen (VOCs) • Ursachen und Auswirkungen von Luftverschmutzung • Umdenken bei der Produktion und Verwertung von Produkten nach dem Prinzip der Ökoeffektivität • Cradle to Cradle Design Konzept: Prinzipien, Philosophie, in Theorie und praktischer Umsetzung in der Industrie (national/ international) • Lösungsmöglichkeiten für eine gesunde Luftqualität (sowohl Materialien und Produkte als auch Stadtplanung und das Design von Gebäuden, insbesondere der Nutzung von Laserdruckern) Ein Teppich, der die Luft reinigt. Eine gezielte Fassadenbegrünung als Produzent für saubere Luft. Eine natürliche Belüftung des Gebäudes. All dies sind Cradle to Cradle-Elemente, die einen aktiven Beitrag leisten, um die Luftqualität sowohl Innen als auch Außen zu verbessern. Die Innenraumluftqualität ist ein wichtiger Aspekt bei der Gestaltung von Gebäuden. Denn über 90% ihrer Zeit verbringen die meisten Menschen in Innenräumen. Dabei beeinflussen Böden, Farben, Einrichtungen und Pflanzenwände eine qualitativ hochwertige Luftqualität. Konventionelle Gebäude mit energiesparenden Bauweisen sind meist weitestgehend isoliert mit luftdichten Schallschutzfenstern und wärmedämmenden Fassaden. Das Klima wird durch modernste Heizungs- und Lüftungsinstallationen und vielen weiteren technischen Elementen geregelt. Die Räume werden gestaltet und befüllt mit Bodenbelägen, Vorhängen, Möbeln, Bekleidungen, Arbeitsplätzen, Technik, EDV, Elektrogeräten und darunter auch Laserdrucker. Jeder einzelne Gegenstand dabei dünstet mitunter Schadstoffe aus. Oft entsteht eine Mixtur aus giftigem Feinstaub, flüchtigen Schadstoffen, zu hoher oder zu geringer Luftfeuchtigkeit und schlechter Luft zum Atmen. In geschlossenen Räumen liegen daher die Feinstaub- aber auch Schadstoffbelastungen mitunter bis zu 10mal höher als im Freien. Nach Schätzungen des Umweltbundesamtes sorgen sie allein in Deutschland für weit mehr als 50.000 Todesfälle im Jahr. Weltweit sterben laut WHO-Bericht jährlich mehr als drei Millionen Menschen vorzeitig an Folgen der Luftverschmutzung. Ein bedeutender Emittent ist dabei der Laserdrucker mit ca. 2 Milliarden freigesetzten, giftigen Tonerpartikeln pro gedruckter Seite. Auf dieser Schadstoffquelle liegt der Fokus des Seminars, mit dem Ziel ein gemeinsame Umsetzung einer laserdruckerfreien Stadt Lüneburg zu erwirken. Cradle to Cradle hebt dabei die Möglichkeiten hervor, inwiefern Produkte, Materialien und die heutige Architektur in Gebäuden mit einer gesunden Luftqualität und einem positiven Fußabdruck transformiert werden können. Es wird demonstriert, wie Gebäude aktiv Feinstaub aus der Luft filtern, das Wasser reinigen und einen förderlichen Lebensraum für Mensch und Umwelt schaffen.

Handlungsräume von Menschenrechtsverteidigerinnen und -verteidigern erweitern: Internationale Beobachtung als Instrument (Projekt)

Dozent/in: Janina Dannenberg

Inhalt: Das Seminar hat einen transdisziplinären Fokus. Die Leitung ist Gründungsmitglied und Mitarbeiterin der Menschenrechtsbeobachtungsorganisation IPON (www.ipon-philippines.org). Das Seminar startet mit einer Einführung: ""Was ist Menschenrechtsbeobachtung?"" (zusätzl. Wissenserwerb). Die Bezüge zu den SDGs (insb. SDG 16 und 17) werden anhand der Konflikte an denen Menschenrechtsverteidiger_innen arbeiten von den Stud. in Seminardisk. erarbeitet (erste Wissensgenerierung). Die Projektarbeit schließt daran an und findet in 3 Streams mit jeweils 2 Gruppen statt. 1.: Konflikte/Themen der MRV in den Philippinen (PoWi/Uwi-orientierung, Konfliktanalysen, Exp.-Int.). 2.: Innenansichten IPON (Soz./KuWi, qual. Int-forsch.). 3.:MRVs in d. BRD schützen (Transfer auf ""eigenes"" der TN, Szenariometh.). Zu allen Streams gibt es die Möglichkeit digitalitätssbezogene Schwerpunkte zu setzen (z.B. Fokus auf MR-Verletzungen und -Schutz im Internet, Auswertung von D.-prozessen in IPON, Entw. eigener digitaler Tools zum MR-Schutz.

Identität und Flucht - Konzepte für die inklusive pädagogische Arbeit mit jungen Migrant*innen (Projekt)

Dozent/in: Lea Gathen

Termin:
14-täglich | Montag | 16:15 - 19:45 | 25.10.2021 - 04.02.2022 | C 16.203 Seminarraum

Inhalt: Im Rahmen des Seminar beschäftigen wir uns mit der Frage welche Rolle Identität im Kontext von Flucht und Migration spielt. Dabei liegt der Fokus auf einer rückblickenden Analyse und Interpretation der Mediendarstellung von Flucht im Zusammenhang der durch den Syrienkrieg verursachten Migrationswelle zwischen 2015 und 2018. Hierfür nähern wir uns zunächst theoretischen Konzepten von Identität an und beschäftigen uns mit aktuellen und grundlegenden Statistiken zu Flucht nach und Asyl in Deutschland. Schließlich diskutieren grundlegende sozialpsychologische Zusammenhänge im Kontext von Bildungsteilhabe und Inklusion Geflüchteter, und schauen uns die Darstellung von Geflüchteten in unterschiedlichen Medien an.! Eure Aufgabe wird sein, in Projektgruppen ein eigenes Thema zu bearbeiten. Hierfür kann zwischen unterschiedlichen Medienanalysemethoden gewählt werden.

Kapitalismus 4.0: Soziale Ungleichheit im Zeitalter der Digitalisierung (Projekt)

Dozent/in: Norman Laws

Termin:
wöchentlich | Montag | 20:15 - 21:45 | 18.10.2021 - 04.02.2022 | C 14.027 Seminarraum

Inhalt: Der Kapitalismus als Wirtschaftsform ist global verbreitet. Das gilt auch für einen höchst problematischen Zustand nachhaltiger Entwicklung. Daraus resultiert die Frage, wie diese beiden Prozesse miteinander in Beziehung stehen. In diesem Seminar soll es daher ganz konkret um die gegenseitige Beeinflussung von kapitalistischen Strukturen, Nachhaltigkeit und sozialer Ungleichheit gehen – und zwar anhand des Beispiels der Digitalisierung. Daten sind das neue Gold im digitalen Informationszeitalter. Einfluss und Macht von Konzernen und anderen Akteuren lassen sich nicht mehr nur in ökonomischen Größen wie Umsatz oder Marktkapitalisierung messen. Sondern auch in der Herrschaft über Daten, Algorithmen und Zugänge. Dabei ist die Verfügung über diese neuen Ressourcen höchst ungleich verteilt. Die Auswirkungen des Kapitalismus der Plattformökonomien auf Nachhaltigkeit und (soziale) Ungleichheit stehen im Zentrum dieses Seminars. Dabei geht es aber nicht nur darum, wie die Digitalisierung (soziale) Ungleichheit beeinflusst - sondern auch unsere Wahrnehmung von (sozialer) Ungleichheit.

Klimawandel und Europäische Sicherheitspolitik (Projekt)

Dozent/in: Norman Laws

Termin:
wöchentlich | Montag | 18:15 - 19:45 | 18.10.2021 - 04.02.2022 | C 12.006 Seminarraum

Inhalt: Der Klimawandel bringt vielfältige Implikationen mit sich. Häufig wird sich dabei mit Fragen der unmittelbaren Auswirkungen auf die Umwelt beschäftigt. Das gilt etwa für Wüstenbildung oder den Anstieg des Meeresspiegels. Mit solchen und anderen Effekten hat Klimawandel aber auch Auswirkungen auf Lebensbedingungen und die die Wahrnehmung und das Erleben von Gefahren. Sich negativ verändernde Umweltbedingungen können beispielsweise wiederum auch einen Beitrag zu Migration oder der Entwicklung von "failed states" leisten. In dieser Veranstaltung liegt ein Fokus auf der Frage, welche sicherheitspolitische Relevanz Klimawandel auf unterschiedlichen Feldern haben kann. Darauf aufbauend soll sich damit beschäftigt werden, wie die Europäische Union damit bisher umgeht, wie sie damit umgehen kann und welche Perspektiven für die EU in der Zukunft in dieser Frage bestehen können.

Konflikte um nachhaltige Entwicklung – was tun? (Projekt)

Dozent/in: Meinfried Striegnitz

Termin:
14-täglich | Montag | 08:15 - 11:45 | 18.10.2021 - 04.02.2022 | C 12.102 Seminarraum

Inhalt: Nachhaltige Entwicklung bedeutet Veränderung. Veränderung birgt Konflikte: Wie kann mit diesen Konflikten umgegangen werden? Welche Theorien und Konzepte sind hilfreich für die Analyse und ein besseres Verständnis der Konfliktlagen? Wie lässt sich vermeiden, dass sich Konflikte in destruktiven Eskalationsspiralen aufschaukeln? Mit welchen Strategien, Vorgehensweisen, Maßnahmen und Instrumenten können Konflikte um nachhaltige Entwicklung konstruktiv gewendet werden und produktiv gestaltet werden?

Language and social sustainability (Projekt)

Dozent/in: Anne Barron

Termin:
wöchentlich | Montag | 10:15 - 11:45 | 18.10.2021 - 04.02.2022 | C 1.209 Seminarraum

Inhalt: Achieving gender equality and empowering all women and girls is fifth on the list of 17 Sustainable Development Goals (SDGs) ratified by The United Nations as part of the 2030 Agenda for Sustainable Development. In this seminar, we look at how sexism is expressed and transmitted through language and how men and women use language differently in constructing their social identities. We also examine the portrayal of women and men in the public arena and how such portrayals affect the way we conceptualise gender.

Low-Profit-Investitionen, bewerten, finanzieren, fördern (Projekt)

Dozent/in: Christian Fahrbach

Termin:
wöchentlich | Montag | 08:15 - 09:45 | 18.10.2021 - 04.02.2022 | C 40.501 Seminarraum

Inhalt: Das Thema Low-Profit ist finanzwirtschaftliches Neuland. Es ist der Versuch, die Lücke zwischen Non-Profit und For-Profit zu schließen, zwischen gemeinnützigem und gewinnorientiertem Wirtschaften. Es geht um die Fragen: Wie können Investitionen finanziert werden, die nur eine geringe Rendite versprechen, aber dafür einem sozialen und ökologischen Zweck dienen, z. B. im biologischen Landbau oder in erneuerbare Energien? Im Seminar werden zunächst finanzwirtschaftliche Begriffe, Annahmen und Methoden behandelt. Das klassische Modell wird kritisch reflektiert und durch zusätzliche Annahmen erweitert, um real existierende Marktimperfektionen zu erfassen (Steuern, Subventionen, Nachhaltigkeitskriterien, Digitalisierung u.a.). Darüber hinaus geht es um die Frage: Wie können Zentralbank und Staat günstige Rahmenbedingungen für Low-Profit-Investitionen schaffen?

Macht – Land – Wandel ? Eine kulturell-kreative Annäherung (Projekt)

Dozent/in: Annegret Kühne

Inhalt: Das Seminar stellt Fragen zur Bedeutung von MACHT, LAND und WANDEL in Beziehung zu nachhaltiger Entwicklung. Die drei Begriffe werden in ihrer theoretischen Bedeutung und im gesellschaftlichen Kontext untersucht. Welche Bedeutung haben diese Leitbegriffe, welche Wechselwirkungen bestehen zueinander und zu den Nachhaltigkeitszielen (SDGs)? Die Bedeutung von Land und Ernährung in Beziehung zur "Land-Wirtschaft" stehen dabei im besonderen Fokus des Seminars. Neben einer wissenschaftlichen Untersuchung der Begriffe werden die Erkenntnisse und Rückschlüsse in kreative Arbeitsweisen überführt und gestalterisch bearbeitet. Die kreative Arbeit umfasst Ideen, Formate und Entwürfe zur künstlerischen/ interaktiven Darstellung prägnanter Ergebnisse und Aussagen zum Thema. Die Leitbegriffe und ihre Beziehung zu nachhaltiger Entwicklung werden auf diese Art vielseitig beleuchtet und Perspektivwechsel ermöglicht. Die Ergebnisse der einzelnen Projektgruppen werden für eine gemeinsame Ausstellung zusammengeführt und auf der Konferenzwoche 2022 in einer Gesamtschau präsentiert.

Museen und Nachhaltigkeit - A State of the Art (Projekt)

Dozent/in: Kristin Püttmann

Termin:
wöchentlich | Montag | 14:15 - 15:45 | 18.10.2021 - 04.02.2022 | C 14.027 Seminarraum | C 14.027

Inhalt: Die Institution Museum ist durch ihre nachhaltige Kernaufgabe, Objekte der Vergangenheit in der Gegenwart zu bewahren, um sie für die Zukunft zu erhalten, ein interessantes Forschungsumfeld. Dabei geht es sowohl um das jeweilige Gebäude als kulturellem Bestandteil urbaner Zusammenhänge als auch um die Frage der inhaltlichen Funktion derartiger Institutionen im Hinblick auf ihre Rolle als "Gamechanger" im Rahmen einer Bildung für nachhaltige Entwicklung. Wie lassen sich hier mittels einer multiperspektivischen Herangehensweise konkrete Nachhaltigkeitsansätze im Sinne der Sustainable Development Goals entwickeln und implementieren ? Und,wie lassen sich umgekehrt aus dem Museumszusammenhang nachhaltige Themenfelder in die Gesellschaft hinein entwickeln? An ausgesuchten Museen sollen Fragestellungen der unterschiedlichsten Ausprägung bearbeitet und dabei auch internationale Beispiele herangezogen werden. Die Herangehensweise ist an der Praxis orientiert.

Ideen und Konzepte für Big-Data-Tools zur nachhaltigen Entwicklung (Projekt)

Dozent/in: Eckhard Bollow

Termin:
wöchentlich | Montag | 18:15 - 19:45 | 18.10.2021 - 04.02.2022 | C 40.501 Seminarraum

Inhalt: Die Begriffe „Digitalisierung“ und „Algorithmen“ sind - nicht nur in der Medienwelt - mit jeder Menge Mythenbildung und Narrativen verbunden. In dieser „neuen Welt“ gab es und gibt es immer noch einen großen Hype um „Big Data“. Bei „Big Data“ handelte es sich ursprünglich mal um die Bezeichnung für eine Sammlung von Methoden für das effektive Speichern und Abrufen von großen Beständen aus computergenerierten Daten. Mittlerweile werden mit „Big Data“ jede Menge Hoffnungen und Problemlösungserwartungen verbunden. In dieser Veranstaltung geht es darum, große Datenbestände gezielt auf daraufhin zu untersuchen, inwieweit hier neue Erkenntnisse zur Unterstützung nachhaltiger Entwicklungen gewonnen werden können.

Neue Gemeinschaftsformen als Ausdruck gesellschaftlicher Differenzierung (Projekt)

Dozent/in: Gerhard Cassens

Termin:
wöchentlich | Montag | 10:15 - 11:45 | 18.10.2021 - 04.02.2022 | C 40.255 Seminarraum

Inhalt: Die Ausdifferenzierung gesellschaftlicher Arbeitsprozesse verunsichert zunehmend die Gesellschaftsmitglieder. Ergänzend zur Auflösung familiärer und dörflicher Strukturen lösen sich Erwerbsbiografien als kontinuierlicher Identitätszusammenhang auf. Als Gegenbewegung sind neue Formen der Gemeinschaftsbildung zu beobachten. Wohnprojekte, Kooperativen im Lebensmittelbereich, neue Dorfstrukturen entstehen. Was wird hier gesellschaftlich sichtbar? Mittels qualitativer Interviews soll wahrgenommen werden, was die Mitglieder solcher Gemeinschaften motivert und ihr inneliegendes gesellschaftliches Anliegen herausgearbeitet werden. Der Unterschied zwischen Gesellschaft und Gemeinschaft bildet die Grundlage für diese Analyse. Die Studierenden erhalten einen Einblick in die Theoriebildung von Gemeinschaft und Gesellschaft. Mittels qualitativer Methoden wird ein Instrument angeboten, dass zur Wahrnehmung von Wirklichkeit, zu deren Abstraktion und eigener Theoriebildung führen wird. Die Erhebung eigenen Forschungsmaterials sowie deren Auswertung in Arbeitsgruppen und der Präsentation der Ergebnisse wird zur Autonomiebildung der eigenen Persönlichkeitsbild beitragen.

Nutzung der Ressource Trinkwasser (Projekt)

Dozent/in: Birgitt Brinkmann

Inhalt: Ergibt sich aus dem Titel der Veranstaltung.

OLD FEARS – NEW LIFE: Entwicklung eines theatralen „New Deal“ zur Konferenzwoche 2022 (Projekt)

Dozent/in: Friedrich von Mansberg

Inhalt: Für die Eröffnung der Konferenzwoche an der Leuphana im Februar werden wir gemeinsam eine Performance entwickeln, die wir dort aufführen werden. Inhaltlich werden wir uns mit Fragen der künstlerischen Umsetzung der Themen Macht und Widerstand, Angst und Hoffnung, Utopien und Zukunftsskepsis etc. beschäftigen. Wie kann ein neues Miteinander aussehen, auf persönlicher wie auf gesellschaftlicher Ebene? Wie blicken wir in die Zukunft und was kann Theater hier für einen Beitrag leisten? Theater als Form des Austauschs, der Begegnung, der Multiperspektivität etc.

Philosophy for future: Welchen Beitrag kann die Philosophie zur Gestaltung einer zukunftsfähigen Gesellschaft leisten? (Projekt)

Dozent/in: Marco de Angelis

Inhalt: Unser Seminar beginnt mit der Feststellung des Unterschieds heutzutage zwischen Wissen und Weisheit. Wir verfügen über eine enorme Menge an Wissen, das uns zum Beispiel dazu befähigt, den Weltraum zu erforschen, aber wir haben kein angemessenes Maß an Weisheit, sodass der Planet, den wir bewohnen, derzeit in einer schweren Krise steckt. Wollen wir wirklich in den kommenden Jahrzehnten den Weltraum immer genauer erforschen, aber gleichzeitig unseren eigenen Planet zerstören? Diese Gefahr spiegelt eben die Diskrepanz zwischen Wissen und Weisheit wieder. Der Trend soll unbedingt umgekehrt werden, d. h. der Fokus müsste in den kommenden Jahren mehr auf der Anwendung von Weisheit als von Wissen liegen. Dazu kann uns die Philosophie sehr helfen. Sie bedeutet „Liebe zur Weisheit“. Wir brauchen künftig die Einbindung philosophischer Motivationen in die Weltpolitik. In diesem Sinne zielt die neu gegründete Internetplattform www.philosophyforfuture.org darauf, die Grundlinien einer zukunftsfähigen weisen Weltpolitik in Teamarbeit zwischen Wissenschaftlern, Studierenden und Interessiert zu entwerfen.

Smart Cities - Partizipation der Stadtgesellschaft im digitalen Raum (Projekt)

Dozent/in: Ines Beeck

Termin:
14-täglich | Montag | 14:15 - 17:45 | 25.10.2021 - 04.02.2022 | C 14.201 Seminarraum

Inhalt: Smart Cities haben gemäß der Smart City Charta die Aufgabe transparente, partizipative und offene Dialoge zwischen allen Akteuren der Stadt aktiv zu gestalten. Digitale Beteiligungsformate sind ein stetig wachsendes Element der städtischen Beteiligung, mit stärkerer Verbreitung durch Corona: z. B. online-Umfragen, Mängelmelder und Bürgerforen. Doch wie können digitale Räume inklusiv und barrierefrei gestaltet werden? Welche Unterschiede zu analogen Partizipationsformaten gibt es? Wie können wir digitale Teilhabe in der Stadtgesellschaft fördern, auch für kritische Themen wie dem Klimawandel? Theoretische Grundlagen bietet die Smart Charta des BBSR, angelehnt an die Sustainable Goals der UN. Das Seminar nimmt die Ziele 10 (Abbau von Ungleichheiten) und 11 (Nachhaltige Städte und Gemeinden) in den Blick. Methodisch werden Instrumente der angewandten empirischen (Sozial-)Forschung mit der Wirtschaftsinformatik kombiniert, um Anforderungen an digitale Partizipation human- und technologiezentriert zu analysieren.

Stabile und nachhaltige Finanzmärkte (Projekt)

Dozent/in: Christian Fahrbach

Inhalt: Nachhaltige Geldanlagen liegen im Trend. Im Zuge dessen hat die EU-Kommission das Thema aufgegriffen und im Jahr 2018 einen Aktionsplan veröffentlicht: Eine einheitliche, EU-weite Klassifikation von grünen Geldanlagen soll mehr Transparenz schaffen und die Nachfrage beflügeln. Das, als EU-Taxonomie bekannte Regelwerk soll in den kommenden Jahren systematisch weiterentwickelt und eine tragende Säule des Green New Deal werden. Die Corona-Pandemie hat eine Konjunkturkrise ausgelöst, die die EU-Taxonomie und den Green New Deal gefährden. Voraussetzung für deren Erfolg ist ein solventes Unternehmertum, das innovative CSR-Maßnahmen umsetzt sowie ein stabiler und funktionierender Finanzsektor (Banken, Versicherungen u. a.). Wie können Zentralbank und Staat in einer Krise gegensteuern und anhaltend stabile Finanzmärkte gewährleisten?

Stadtklima im Klimawandel - zwischen Klimaschutz und Anpassung (Projekt)

Dozent/in: Markus Quante

Inhalt: Mehr als die Hälfte der Weltbevölkerung lebt in Städten, Tendenz steigend. Städte und Ballungsräume verursachen im Vergleich zum weniger bebauten oder offenen Umland klimatische Effekte, die mit dem Begriff „Stadtklima“ bezeichnet werden. Der prominenteste Stadtklimaeffekt ist die sogenannte städtische Wärmeinsel, eine Überwärmung der Stadtzentren gegenüber ihrer unmittelbaren ländlichen Umgebung. Aber auch das Wind-, das Feuchte- und das Niederschlagsfeld werden durch die Stadt modifiziert mit entsprechenden Einflüssen auf andere Klimagrößen. Der Bereich der städtischen Luftqualität ist ein weiteres Problemfeld, das dem Komplex Stadtklima zugeordnet wird. Fragen, die in diesen Feldern auftreten sind: Wie wirkt sich die städtische Überwärmung auf die thermische Belastung der Stadtbevölkerung aus? Wie beeinflussen Windfeldveränderungen den Komfort von Fußgängern und Radfahrern, die Belastung von Infrastrukturen und die Verteilung von Luftschadstoffen? Welche Folgen hat das spezifische Niederschlagsverhalten für die Stadtentwässerung? Wie wirken sich stadtspezifische Luftbelastungen auf die Gesundheit der Bewohner aus? All diese Fragen beschäftigen schon heute die Stadt- und Regionalplanung. Der zu erwartenden Klimawandel wird die Belastungen in den genannten Problemfeldern und Wirkungskomplexen noch durch eine allgemeine Erwärmung, Hitzeperioden und Extremwetterereignisse zusätzlich verschärfen. Eine nachhaltige Stadtplanung muss die genannten Problemfelder im Auge haben und schon heute auf zukünftig zu erwartenden Veränderungen, oft Verschärfungen der Belastungen durch soziodemographische Veränderungen und den Klimawandel, in ihren Planungen berücksichtigen und in Richtung Anpassungsmaßnahmen geeignete Antworten finden. Es gilt auch den zukünftigen Stadtbewohnern ein bioklimatisch akzeptables Stadtklima und damit die Grundlage für Wohlbefinden und Gesundheit zu gewährleisten. Städte sind zudem Großemittenten von Treibhausgasen. Veränderungen in Städten sollten sich daher auch die Reduktion von zentralen Treibhausgasemissionen zur Aufgabe machen. Eine zielgerichtete Einbeziehung der stadtklimatologischen Fragestellungen in stadtplanerische Aktivitäten und Klimaanpassungsmaßnahmen verlangt ein grundlegendes Verständnis der unterliegenden Prozesse und Wirkungsmechanismen. Die Gründe für die klimatologischen Besonderheiten liegen in der Bebauungsstruktur, der Flächenversiegelung, im geringen Vegetationsbestand, den wenigen offenen Wasserflächen sowie in einer Vielzahl unterschiedlicher Emittenten aus Verkehr, Haushalt, Industrie und Gewerbe. Das Seminar wird sich in seinem inhaltlichen Teil und auch in den Projektgruppen den oben angesprochenen Projektfeldern in unterschiedlicher Tiefe widmen. Es wird dabei eine Balance zwischen Informationsbereitstellung durch vorlesungsähnliche Impulsbeiträge und eigener Recherche der Projektgruppen angestrebt.

Sustainability and the future (Projekt)

Dozent/in: Senan Gardiner

Termin:
wöchentlich | Montag | 16:15 - 17:45 | 18.10.2021 - 04.02.2022 | C 12.108 Seminarraum

Inhalt: In exploring our relationship to the future we are exploring the field of future studies in a post-modern view - no longer do we see the future as something to colonise, but something to interrogate and critically analyse in order to further understand ourselves and our impact on the planet. Ideas of future and progress permeate our myths, worldviews and sense of self. The topics of each week and methods used are both listed below - please scroll through, however they may be subject to change: Week 1 Introduction to sustainable development and futures studies. Week 2 Drivers of a sustainable future – Climate Change Week 3 Drivers of a sustainable future – Peak Oil Week 4 Drivers of a sustainable future – System limits Week 5 Drivers of a sustainable future – Population and Values Week 6 The Future of Energy Week 7 The Future of Mobility Week 8 The Future of Values Week 9 The Future of Food – Permaculture Week 10 Ideologies of the future – Transition Discourses Week 11 Responding to the future: Ecovillages Week 12 Responding to the future: College as a sustainable community Week 13 Responding to the future: Sustainability in long term policy Week 14 Preparation for the conference week and student feedback"

Sustainable Communities (Projekt)

Dozent/in: Senan Gardiner

Termin:
wöchentlich | Montag | 10:15 - 11:45 | 18.10.2021 - 04.02.2022 | C 11.307 Seminarraum

Inhalt: How can we truly live sustainably and reflect this is our settlements. From top-down to bottom-up approaches toward making our communities more sustainable, we will look at both designed and retrofitted examples of sustainable communities and how they work? An overview of the agenda is: Week 1 – Introduction Week 2 – Sustainable Communities: Policy and Design / Methods: visioning, making videos from smartphones, exploring open space use Week 3 – Planning, Building and governance / Methods: Facilitation techniques, rolepaying, group work, moving debates Week 4 – Permaculture and Food: / Methods: 160km meal challenge, Permaculture design Week 5 – Water Strategies in sustainable communities / Methods: Pairwork and conflict resolution roleplay Week 6 – The Natural Environment - / Methods (if weather is good) local woodland walk. Week 7 – Energy Supply in Sustainable communities / Methods: energy equations, risk activity Week 8 – Waste Management (designing cradle to cradle ojects) Week 9 – Transport & Commerce (Exploring LETS systems and regional currencies) Week 10 – Community Garden Excursion (TBC) Week 11 – Transition Town guest lecture (TBC) Weeks 12+ Research project consultation

Time Machine: Wie möchte ich einmal gelebt haben? (Projekt)

Dozent/in: Uwe Boden, Bettina Boden, Benno Heidkamp

Inhalt: Im Projektseminar „Time Machine“ erzählen die Studierenden mit filmischen Mitteln Geschichten des Gelingens, wie die Ziele der Agenda 2030 für nachhaltige Entwicklung erfolgreich umgesetzt werden konnten. Zu diesem Zweck versetzen sich die Studierenden in ihre eigene Zukunft und fragen sich: „Wie möchte ich einmal gelebt haben“? Sie setzen sich gedanklich und künstlerisch gestalterisch damit auseinander, was für sie der Wandel zu einer nachhaltigen Gesellschaft bedeutet und welchen Beitrag sie dazu geleistet haben wollen. Aus diesen Reflexionen sollen kurze visionäre Filmbeiträge entstehen, die uns zeigen, wie Wege in eine nachhaltige Gesellschaft gestaltet werden können. Es soll kommuniziert werden, dass Veränderung nicht nur möglich ist, sondern auch Spaß macht. Die Möglichkeiten einer nachhaltigen Transformation sollen mit künstlerischen und wissenschaftlichen Methoden dargestellt und untersucht werden. Als Leitplanken für die Projektarbeit in Gruppen dienen die Sustainable Development Goals der Vereinten Nationen.

Transforming the SDGs (Projekt)

Dozent/in: Esther Meyer, Daniela Peukert

Termin:
14-täglich | Montag | 08:15 - 11:45 | 25.10.2021 - 04.02.2022 | C 14.201 Seminarraum

Inhalt: Die Agenda 2030 für nachhaltige Entwicklung, einschließlich 17 Nachhaltigkeitsziele (kurz SDGs, für Sustainable Development Goals), wurde im September 2015 von der Generalversammlung der Vereinten Nationen (kurz UN für United Nations) verabschiedet und soll bis 2030 intensiv verfolgt werden. (https://www.un.org/Depts/german/de/gv70_n1.html) Viele Nachhaltigkeitsprojekte adressieren seit der Veröffentlichung der SDGs die 17 Ziele und interpretieren sie aber auch für sich. Wir nehmen die SDGs genauer unter die Lupe und fragen uns, was sie können, welche Veränderungen sie ermöglichen oder welche sie bereits ermöglicht haben. Wir beschäftigen uns sowohl mit dem Dokument und seinem Entstehungskontext, als auch mit der Bildsprache und Metaphorik der SDG-Kacheln, die inzwischen so etwas wie ein visuelles Markenzeichen geworden sind. Davon ausgehend lassen wir uns inspirieren, welche Veränderungen durch eigene Projekte erforscht werden können.

Demokratie und Utopie (Projekt)

Dozent/in: Sven Prien-Ribcke

Termin:
wöchentlich | Montag | 16:15 - 19:45 | 01.11.2021 - 04.02.2022 | C 12.013 Seminarraum

Inhalt: Die kommenden 20er Jahre fallen angesichts digitaler Revolution, Erderwärmung, pandemischer Verwundungen und autoritärer Versuchungen in einen Epochenumbruch. Wie wäre es, sich auf die Suche nach der nächsten Gesellschaft zu machen? In diesem August veranstaltete die Leuphana gemeinsam mit Maja Göpel und Richard David Precht die zweite Utopie-Konferenz. Das Projektseminar schließt inhaltlich an die Konferenz an und möchte die Beziehungen zwischen Demokratie und Utopie ausleuchten. Dazu setzen wir uns mit aktuellen Texten zur Krise der Demokratie auseinander und lesen grundlegende Literatur zum utopischen Denken. Das Seminar kann auch als inhaltliche Vorbereitung der dritten Utopie-Konferenz vom 30. August bis zum 2. September 2022 verstanden werden. Während wir im Wintersemester philosophische, politikwissenschaftliche und soziologische Fundamente legen, ist das Anschluss-Seminar im Sommer stärker auf die konkrete Mitgestaltung der Utopie-Konferenz ausgerichtet.

Von der Wiege zur Wiege - Einführung in Cradle to Cradle (Projekt)

Dozent/in: Michael Braungart

Termin:
wöchentlich | Montag | 10:15 - 11:45 | 18.10.2021 - 04.02.2022 | C 12.108 Seminarraum

Inhalt: Durch die Verbindung von Theorie und Praxis soll das Projektseminar “Von der Wiege zur Wiege – Einführung in Cradle to Cradle“ den Studierenden einen umfassenden Einstieg in die Cradle to Cradle Denkschule bieten und gleichzeitig ihre eigenen Ideen fördern. Mit dem Cradle to Cradle Konzept hat sich die Sichtweise auf den Nachhaltigkeitsbegriff in den letzten Jahren sowohl in der Wissenschaft als auch in besonderer Weise in der Industrie grundlegend verändert. So wurde und wird zukünftig der herkömmliche Nachhaltigkeitsansatz, welcher eine „Zero-Impact“-Mentalität predigt, abgelöst von einem Prinzip, welches statt der Verringerung der negativen Umwelteinflüsse die Vergrößerung der positiven Effekte menschlichen Daseins hervorhebt. Somit wurde angefangen, die Lösung in Kreisläufen sehen. Etwa soll der Müllproblematik nicht entgegengewirkt werden, indem Konsum minimiert und der eigene Fußabdruck kleingehalten wird, sondern indem Konsum anders gedacht und sich die Natur dazu als Vorbild genommen wird. Es gilt nicht die Krise zu fürchten, sondern das Positive zu fokussieren. So schreibt PWC als eine der vier weltweit größten Wirtschschaftsprüfungsgesellschaften in der 2019 veröffentlichten Studie „The Road to Circularity“: „Nothing in nature is wasted because all materials re-enter the ecosystem through a circular biological process that forms a continuous cycle”. Neben dem ökologischen Kreislauf umfasst Cradle to Cradle den technischen Kreislauf welcher gewährleistet, dass jeder einzelne für Produkte verwendete Rohstoff ein Nährstoff ist und somit erneut genutzt werden kann. Insofern qualitativ hochwertige, intelligente Materialien eingesetzt werden und bereits in der Produktion die Kreislauffähigkeit berücksichtigt wird, kann von Öko-Effektivität gesprochen werden. Nicht zuletzt umfasst das Designkonzept eine weitreichende soziokulturelle Komponente. Cradle to Cradle denkt lösungsorientiert, sieht die Chance in den Individuen und basiert somit auf menschlichem Potential. Interdisziplinär gilt es, dieses mittels Zusammenarbeit von unterschiedlichen Akteur*innen aus allen Nischen zu schöpfen. Somit soll in diesem Seminar in erster Linie das Können der Studierenden hervorgehoben und wertgeschätzt werden. Besonders der Enthusiasmus des Studienstarts und der damit verbundene Veränderungswille und die neuen Ideen der Studierenden sollen dafür genutzt werden, auch selbst interessante Projekte ins Leben zu rufen, welche im weiteren Verlauf des Studiums weitergeführt und dabei gefördert werden können.

Wissenschaft und Journalismus - ein Verhältnis unter Spannung (Projekt)

Dozent/in: Marie-Luise Braun

Inhalt: Wird über wissenschaftliche Fragen berichtet, klagen Wissenschaftler:innen wie Maja Göpel und Christian Drosten, dass komplexe Zusammenhänge nicht hergestellt und Aussagen falsch wieder gegeben oder aus dem Zusammenhang gerissen würden. Manche aber sagen auch, dass durch die Berichterstattung über die Corona-Pandemie mehr Verständnis für wissenschaftliche Denkweisen bei Rezipient:innen entstanden sei. Im Seminar werden wir uns anhand von Beispielen mit diesen und ähnlichen Aspekten auseinandersetzen. Dabei werden wir uns besonders auf Themen der Nachhaltigen Entwicklung und die Berichterstattung über den Klimawandel konzentrieren. Was ist Fakt und was ist Meinung? Wie gelingt es Journalistinnen wie Mai Thi Nguyen Kim oder Eva Schulz Interesse für Themen zu wecken, die zuvor als öde galten? Leben Journalist:innen und Wissenschaftler:innen in unterschiedlichen Welten? Kann Wissenschaftsjournalismus nur in den so genannten Qualitätsmedien funktionieren? Was ist mit Boulevardmedien? Und passen große Erkenntnisse auch in Snackable Content auf TikTok und Instagram?

Youth of the future - Future of the Youth: Intercultural Learning Programme between Indian and German youth (Projekt)

Dozent/in: Deepika Joon, Gaurav Shorey

Termin:
wöchentlich | Montag | 10:15 - 11:45 | 18.10.2021 - 04.02.2022 | C 12.013 Seminarraum

Inhalt: This intercultural learning seminar focusses on understanding Culture and its climatic connections’ - how ‘local’ can ‘rescue’ global in the face of climate change. • What if you learned that sustainability had very little to do with what you have learned so far? (Green buildings, renewable energy, waste recycling, organic farming, rain water harvesting, etc.) • What if you learned that the language you spoke, the food you ate, the clothes you wore, and the music you listened to, had a greater impact on the environment than anything that you had heard of so far? If we have your attention, read on : Any local culture has historically worshipped nature, and as a result, has protected and preserved it. Until recently, when we started deviating away from culture. Cultural practices such as festivals, rituals, social structures, etc., basically ‘relationships’ within and among communities helped preserve natural systems for hundreds of years. As per ancient, traditional knowledge systems in India (applicable to nearly all parts of the world), when we use the word 'Culture', we mean a comprehensive, interdependent system that comprises five elements, namely: • Bhasha (Dialects) • Bhojan (Diets) • Bhesh (Dresses) • Bhavan (Dwellings) • Bhajan (Dances & Songs) By examining this interplay, we can discover that these five elements have evolved from/out-of the local climate and soil (Bhoomi), resultantly, have had local people live in harmony with the local climate. In line with the Paris Agreement’s vision for Sustainable Lifestyles, we propose an intervention that can allow local people to be proud of their local culture and thus create a future that includes local culture and the local environment, rather than approach ‘development’ as a ‘globally uniform’ phenomenon devoid of culture. Such a perspective can prevent villages and tribal areas from living like secondary citizens to the so called "urban elite", while also serving the urban people by teaching them about how they (the rural and tribal people) live in harmony with nature and have livelihoods that draw from natural systems.

Gemeinsam eine Stadt für alle schaffen: Urbane Lieblingsplätze für ein zukunftsfähiges Lüneburg. (Projekt)

Dozent/in: Lina Bürgener

Termin:
wöchentlich | Montag | 10:15 - 11:45 | 18.10.2021 - 04.02.2022 | C 14.203 Seminarraum

Inhalt: Mit dem Projekt Zukunftsstadt 2030+ stellt die Stadt Lüneburg in Kooperation mit der Leuphana Universität der Zivilgesellschaft die Frage „Wie soll die Stadt in 30 Jahre aussehen? Wie wird sich entwickeln? Wie und was kann noch besser in Lüneburg werden?“ Gemeinsam entwickelte Visionen für ein zukunftsfähiges Lüneburg bilden die Grundlage für dieses Projekt, die es nun gemeinsam zu erreichen gilt. Dazu zählt auch die Gestaltung von "guten" Plätzen, an denen Menschen sich wohlfühlen und gerne verweilen. Doch was ist ein „guter“ Platz? Was macht ihn zu einem Lieblingsort und welche Rolle spielt er für das individuelle Wohlbefinden unterschiedlicher Menschen? Was könnte man sonst noch aus diesem Ort machen? Welche Lieblingsorte haben Lüneburger Bürgerinnen und Bürger? Wie könnte ein Lieblingsort auf dem Campus aussehen? Wie könnte man die Aufenthaltsqualität bestimmter Orte steigern? Welche Rolle spielt die Teilhabe von Bürgerinnen und Bürger für die Zukunftsgestaltung einer Stadt? Und was hat das alles mit den SGDs zu tun? Diesen und weiteren Fragen wollen wir in diesem Seminar nachgehen. Das Seminar ist eng an die Arbeit im Zukunftsstadtbüro geknüpft, in dessen Rahmen ein Wettbewerb zu Lüneburgs Lieblingsplätzen stattfinden soll. In Vorbereitung auf diesen Wettbewerb werden wir daher im Rahmen der Konferenzwoche gemeinsam einen Workshop mit Bürger*innen, Verwaltungsmitarbeiter*innen und weiteren relevanten Stakeholder*innen gestalten.

Can fashion be sustainable? Tracing the impacts of clothing production and consumption in the context of the digital era (Projekt)

Dozent/in: Jorge Gustavo Rodríguez Aboytes

Termin:
wöchentlich | Montag | 16:15 - 17:45 | 18.10.2021 - 04.02.2022 | C 12.001 Seminarraum

Inhalt: In sustainability transformations, some of the most urgent challenges are connected to the unsustainable practices in the production and consumption of textiles, clothing and fashion. Although the consumption and use of clothing items are part of our daily routines, we hardly acknowledge the impacts our practices generate in society and the environment. One of the root problems lies in a lack of understanding of the complexity of this industry. Throughout the clothing value chain, different industries participate, for example, industrial agriculture, oil and chemical, logistics, and so on. Since a diversity of textile and clothing products exists, a variety of processes and impacts also exist. It is out of the question that we, as users, need to change our consumption practices; nonetheless, a lack of a systemic and critical understanding of the sustainability transformation of the fashion industry might lead to shallow, isolated and disconnected efforts. Week Theme 1 Introduction/How clothing is made and its impacts 2 Sustainability challenges of the fashion industry 3 How digitalisation has impacted the fashion industry 4 Specific environmental impacts of the fashion industry 5 Specific social impacts of the fashion industry 6 Sustainability solutions 7 Certifications, policies and governance 8 Circular economy in the fashion industry 9 Circular economy in the fashion industry 10 Industry 4.0: Transparency and traceability 11 Sustainability niches and current innovations 12 Communication of the sustainable fashion niche 13 Open topic according to students' needs 14 Open topic according to students' needs

Einführung in die Programmierung mit Python zur Datenanalyse (1) (Übung)

Dozent/in: Peter Niemeyer

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (10) (Übung)

Dozent/in: Ralph Welge

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (11) (Übung)

Dozent/in: Ralph Welge

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (12) (Übung)

Dozent/in: Ralph Welge

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (13) (Übung)

Dozent/in: Norbert Tschritter

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (14) (Übung)

Dozent/in: Norbert Tschritter

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (2) (Übung)

Dozent/in: Peter Niemeyer

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (21) (Übung)

Dozent/in: Jennifer Matthiesen

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (22) (Übung)

Dozent/in: Jennifer Matthiesen

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (23) (Übung)

Dozent/in: Lukas-Walter Thiée

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (24) (Übung)

Dozent/in: Lukas-Walter Thiée

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (25) (Übung)

Dozent/in: Leonie Selk

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (26) (Übung)

Dozent/in: Leonie Selk

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (27) (Übung)

Dozent/in: Johannes van Deest

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (28) (Übung)

Dozent/in: Johannes van Deest

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (29) (Übung)

Dozent/in: Mirek Hancl

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (3) (Übung)

Dozent/in: Jonas Scharfenberger

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (30) (Übung)

Dozent/in: Mirek Hancl

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (31) (Übung)

Dozent/in: Sabrina Wallner

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (32) (Übung)

Dozent/in: Sabrina Wallner

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (33) (Übung)

Dozent/in: Francisco Arcila Salamanca

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (34) (Übung)

Dozent/in: Francisco Arcila Salamanca

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (35) (Übung)

Dozent/in: Sylvi Rzepka

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (36) (Übung)

Dozent/in: Sylvi Rzepka

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (37) (Übung)

Dozent/in: Katrin Seddig

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (38) (Übung)

Dozent/in: Katrin Seddig

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (39) (Übung)

Dozent/in: Aisouda Hoshiyar

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (4) (Übung)

Dozent/in: Jonas Scharfenberger

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (40) (Übung)

Dozent/in: Aisouda Hoshiyar

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (41) (Übung)

Dozent/in: Stefan Pauly

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (42) (Übung)

Dozent/in: Stefan Pauly

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (5) (Übung)

Dozent/in: Burkhardt Funk

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (6) (Übung)

Dozent/in: Burkhardt Funk

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (7) (Übung)

Dozent/in: Jens Heger

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (8) (Übung)

Dozent/in: Jens Heger

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Einführung in die Programmierung mit Python zur Datenanalyse (9) (Übung)

Dozent/in: Ralph Welge

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen Sie (i) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen, (ii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens und (iii) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert praktische Materialien zum Selbststudium mit Online-Meetings mit Ihren Lehrenden zur Vertiefung der Inhalte. Zusätzlich werden Sie von der Unterstützung durch erfahrene Studierende höherer Semester (Teaching Assistants) und Ihre Lerngruppe profitieren, die zu Beginn des Semesters eingerichtet wird. Wöchentliche Aufgaben werden Sie ermutigen, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf Ihr Studiengebiet zu übertragen. Am Ende des Semesters werden Sie und Ihre Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem Sie verschiedene Rollen einnehmen und gemeinsam daran arbeiten, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

Introduction to Programming with Python for Data Analysis (15) (Übung)

Dozent/in: Addo Salomey

Inhalt: This course offers an introduction to programming and data analysis with Python. It is explicitly tailored to students without any previous knowledge or experience in programming. In the course, we will introduce you to (i) basic programming concepts such as variables, conditions, loops, and functions, (ii) strategies to solve simple problems applying computational thinking, and (iii) common steps of doing data analysis with Python. The course is organized as an exercise and follows a blended learning approach by combining hands-on materials for self-study with online meetings with your instructors to deepen the content. You will also benefit from the support of your teaching assistants and peer learning group, established at the beginning of the semester. Weekly assignments will encourage you to put in the effort and gain hands-on programming and data analysis experience as well as transfer the acquired knowledge to your fields of study. Finally, at the end of the semester, you and your team will work on a data-driven project where you will take on different roles and work together to generate and present insights from real-world data.

Introduction to Programming with Python for Data Analysis (16) (Übung)

Dozent/in: Addo Salomey

Inhalt: This course offers an introduction to programming and data analysis with Python. It is explicitly tailored to students without any previous knowledge or experience in programming. In the course, we will introduce you to (i) basic programming concepts such as variables, conditions, loops, and functions, (ii) strategies to solve simple problems applying computational thinking, and (iii) common steps of doing data analysis with Python. The course is organized as an exercise and follows a blended learning approach by combining hands-on materials for self-study with online meetings with your instructors to deepen the content. You will also benefit from the support of your teaching assistants and peer learning group, established at the beginning of the semester. Weekly assignments will encourage you to put in the effort and gain hands-on programming and data analysis experience as well as transfer the acquired knowledge to your fields of study. Finally, at the end of the semester, you and your team will work on a data-driven project where you will take on different roles and work together to generate and present insights from real-world data.

Introduction to Programming with Python for Data Analysis (17) (Übung)

Dozent/in: Addo Salomey

Inhalt: This course offers an introduction to programming and data analysis with Python. It is explicitly tailored to students without any previous knowledge or experience in programming. In the course, we will introduce you to (i) basic programming concepts such as variables, conditions, loops, and functions, (ii) strategies to solve simple problems applying computational thinking, and (iii) common steps of doing data analysis with Python. The course is organized as an exercise and follows a blended learning approach by combining hands-on materials for self-study with online meetings with your instructors to deepen the content. You will also benefit from the support of your teaching assistants and peer learning group, established at the beginning of the semester. Weekly assignments will encourage you to put in the effort and gain hands-on programming and data analysis experience as well as transfer the acquired knowledge to your fields of study. Finally, at the end of the semester, you and your team will work on a data-driven project where you will take on different roles and work together to generate and present insights from real-world data.

Introduction to Programming with Python for Data Analysis (18) (Übung)

Dozent/in: Addo Salomey

Inhalt: This course offers an introduction to programming and data analysis with Python. It is explicitly tailored to students without any previous knowledge or experience in programming. In the course, we will introduce you to (i) basic programming concepts such as variables, conditions, loops, and functions, (ii) strategies to solve simple problems applying computational thinking, and (iii) common steps of doing data analysis with Python. The course is organized as an exercise and follows a blended learning approach by combining hands-on materials for self-study with online meetings with your instructors to deepen the content. You will also benefit from the support of your teaching assistants and peer learning group, established at the beginning of the semester. Weekly assignments will encourage you to put in the effort and gain hands-on programming and data analysis experience as well as transfer the acquired knowledge to your fields of study. Finally, at the end of the semester, you and your team will work on a data-driven project where you will take on different roles and work together to generate and present insights from real-world data.

Introduction to Programming with Python for Data Analysis (19) (Übung)

Dozent/in: Vasily Pozdnyakov

Inhalt: This course offers an introduction to programming and data analysis with Python. It is explicitly tailored to students without any previous knowledge or experience in programming. In the course, we will introduce you to (i) basic programming concepts such as variables, conditions, loops, and functions, (ii) strategies to solve simple problems applying computational thinking, and (iii) common steps of doing data analysis with Python. The course is organized as an exercise and follows a blended learning approach by combining hands-on materials for self-study with online meetings with your instructors to deepen the content. You will also benefit from the support of your teaching assistants and peer learning group, established at the beginning of the semester. Weekly assignments will encourage you to put in the effort and gain hands-on programming and data analysis experience as well as transfer the acquired knowledge to your fields of study. Finally, at the end of the semester, you and your team will work on a data-driven project where you will take on different roles and work together to generate and present insights from real-world data.

Introduction to Programming with Python for Data Analysis (20) (Übung)

Dozent/in: Vasily Pozdnyakov

Inhalt: This course offers an introduction to programming and data analysis with Python. It is explicitly tailored to students without any previous knowledge or experience in programming. In the course, we will introduce you to (i) basic programming concepts such as variables, conditions, loops, and functions, (ii) strategies to solve simple problems applying computational thinking, and (iii) common steps of doing data analysis with Python. The course is organized as an exercise and follows a blended learning approach by combining hands-on materials for self-study with online meetings with your instructors to deepen the content. You will also benefit from the support of your teaching assistants and peer learning group, established at the beginning of the semester. Weekly assignments will encourage you to put in the effort and gain hands-on programming and data analysis experience as well as transfer the acquired knowledge to your fields of study. Finally, at the end of the semester, you and your team will work on a data-driven project where you will take on different roles and work together to generate and present insights from real-world data.

Vorlesungsverzeichnis

Lehrveranstaltungen

01. Vorlesung: Verantwortliches Handeln im 21. Jahrhundert (Vorlesung)

02. Lecture (English): Acting responsibly in the 21st century (Vorlesung)

03. Konferenzwoche 2022 im Modul "Wissenschaft transformiert: verantwortliches Handeln" (Vorlesung)

(Wie) blickt das digitale Auge? Über Wachen und Wissen und ihre gesellschaftlichen Formationen. (Projekt)

"Und weil sie nicht gestorben sind..." - Geschichten der Nachhaltigkeit in Film, Literatur und Medien 1 (Projekt)

"Und weil sie nicht gestorben sind..." - Geschichten der Nachhaltigkeit in Film, Literatur und Medien 2 (Projekt)

African protected areas at the crossroads between justice and conservation (Projekt)

Agenda 2030: War die Zukunft früher besser als heute? (Projekt)

Bleib cool? – Wenn Nachhaltigkeit, intimste Geheimnisse, Massenprodukte und Wissen im Kühlschrank zusammentreffen. (Projekt)

Crowdfunding zur Unterstützung nachhaltigkeitsorientierter Projekte (Projekt)

Das Reallabor Lüneburg 2030+ im öffentlichen Diskurs: Kulturgeographische Perspektiven auf mediale Darstellung und öffentliche Wahrnehmung der Zukunftsstadt (Projekt)

E-Partizipation - Die Welt von morgen gestalten (Projekt)

Ehrenamt in Lüneburg entdecken & vernetzen (Projekt)

Ein New Deal für die Kultur? Ökonomische, intersektionale und ökologische Nachhaltigkeit im Kulturbetrieb (Projekt)

Essen, das nicht gegessen wird: Lebensmittelabfall als Klimawandeltreiber (Projekt)

Flächenverbrauch reduzieren – Versiegelung stoppen (Projekt)

Gesellschaftliche Partizipation von Migranten*innen am Beispiel des Projekts Zukunftsstadt Lüneburg 2030+ (Projekt)

Gesunde Luftqualität in Gebäuden - Gefahrenbeseitigung am Beispiel von Laserdruckern (Projekt)

Handlungsräume von Menschenrechtsverteidigerinnen und -verteidigern erweitern: Internationale Beobachtung als Instrument (Projekt)

Identität und Flucht - Konzepte für die inklusive pädagogische Arbeit mit jungen Migrant*innen (Projekt)

Kapitalismus 4.0: Soziale Ungleichheit im Zeitalter der Digitalisierung (Projekt)

Klimawandel und Europäische Sicherheitspolitik (Projekt)

Konflikte um nachhaltige Entwicklung – was tun? (Projekt)

Language and social sustainability (Projekt)

Low-Profit-Investitionen, bewerten, finanzieren, fördern (Projekt)

Macht – Land – Wandel ? Eine kulturell-kreative Annäherung (Projekt)

Museen und Nachhaltigkeit - A State of the Art (Projekt)

Ideen und Konzepte für Big-Data-Tools zur nachhaltigen Entwicklung (Projekt)

Neue Gemeinschaftsformen als Ausdruck gesellschaftlicher Differenzierung (Projekt)

Nutzung der Ressource Trinkwasser (Projekt)

OLD FEARS – NEW LIFE: Entwicklung eines theatralen „New Deal“ zur Konferenzwoche 2022 (Projekt)

Philosophy for future: Welchen Beitrag kann die Philosophie zur Gestaltung einer zukunftsfähigen Gesellschaft leisten? (Projekt)

Smart Cities - Partizipation der Stadtgesellschaft im digitalen Raum (Projekt)

Stabile und nachhaltige Finanzmärkte (Projekt)

Stadtklima im Klimawandel - zwischen Klimaschutz und Anpassung (Projekt)

Sustainability and the future (Projekt)

Sustainable Communities (Projekt)

Time Machine: Wie möchte ich einmal gelebt haben? (Projekt)

Transforming the SDGs (Projekt)

Demokratie und Utopie (Projekt)

Von der Wiege zur Wiege - Einführung in Cradle to Cradle (Projekt)

Wissenschaft und Journalismus - ein Verhältnis unter Spannung (Projekt)

Youth of the future - Future of the Youth: Intercultural Learning Programme between Indian and German youth (Projekt)

Gemeinsam eine Stadt für alle schaffen: Urbane Lieblingsplätze für ein zukunftsfähiges Lüneburg. (Projekt)

Can fashion be sustainable? Tracing the impacts of clothing production and consumption in the context of the digital era (Projekt)

Einführung in die Programmierung mit Python zur Datenanalyse (1) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (10) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (11) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (12) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (13) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (14) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (2) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (21) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (22) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (23) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (24) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (25) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (26) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (27) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (28) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (29) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (3) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (30) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (31) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (32) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (33) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (34) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (35) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (36) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (37) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (38) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (39) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (4) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (40) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (41) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (42) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (5) (Übung)

Einführung in die Programmierung mit Python zur Datenanalyse (6) (Übung)